PdfExtractor

Opinie generală

PdfExtractor este o clasă în Aspose.PDF FOSS pentru .NET. Moștenitorii de la: IDisposable.

Fațadă pentru extragerea textului și a imaginilor dintr-un document PDF.

Această clasă oferă 29 de metode pentru a lucra cu obiecte PdfExtractor în programe .NET. Metodele disponibile includ: BindPdf, Close, Dispose, ExtractAttachment, ExtractImage, ExtractText, GetAttachNames, GetAttachment, GetAttachmentInfo, GetNextImage, GetNextPageText, GetText, și 3 metode suplimentare. Toți membrii publicului sunt accesibili oricărei aplicații .NET după instalarea pachetului Aspose.PDF FOSS for .Net. Proprietăți: EndPage, ExtractImageMode, ExtractTextMode, IsBidi, Password, Resolution, şi încă două.

Proprietăți

Numele de proprietate	Tipul de vehicul	Accesul	Descriere:
`StartPage`	`int`	Citire/scriere	1-based start page for extraction.
`EndPage`	`int`	Citire/scriere	1-based end page for extraction.
`ExtractTextMode`	`int`	Citire/scriere	Mod de extracţie a textului.
`ExtractImageMode`	`ExtractImageMode`	Citire/scriere	Strategie de extracţie a imaginii.
`Resolution`	`int`	Citire/scriere	Rezoluție de renderizare pentru extracția imaginii (DPI).
`IsBidi`	`bool`	Citeşte.	Adevărat atunci când cel mai recent text extras conține o scripție din dreapta la stânga (ebraică, arabă, siriecă, thaana etc.), adică:.
`Password`	`string?`	Citire/scriere	Parola utilizată la legarea PDF-urilor criptate.
`TextSearchOptions`	`Aspose.Pdf.Text.TextSearchOptions`	Citire/scriere	Opțiunile de căutare text aplicate în timpul ExtractText().

Metode de evaluare

Semnătura	Descriere:
`PdfExtractor()`	Chema PdfExtractor pe această instanță PdfExtractor.
`PdfExtractor(document: Document)`
`BindPdf(inputFile: string)`	Chema BindPdf pe această instanță PdfExtractor.
`BindPdf(document: Document)`
`BindPdf(inputStream: Stream)`
`ExtractText()`	Merge prin fiecare pagină din documentul legat cu TextAbsorber și concatenă textul extragit.
`ExtractText(outputFile: string)`	Extrageți textul din PDF-ul legat și salvați-l în fișierul dat (byte UTF-16 LE).
`ExtractText(encoding: Encoding)`	Extrageți textul din PDF-ul legat folosind codificarea dată.
`GetText(outputStream: Stream)`	Scrie textul extragit ca bați în outputStream, folosind codificarea setată de cel mai recent ExtractText ((Codificare) apel (default la UTF-16 LE).
`GetText(outputStream: Stream, filterNotAscii: bool)`	Scrie textul extragit ca bați, lăsând mai întâi punctele de cod non-ASCII.
`GetText(outputFile: string)`	Scrie textul extragit în calea datelor.
`HasNextPageText()`	Adevărat dacă există textul unei alte pagini disponibil prin GetNextPageText.
`GetNextPageText(outputFile: string)`	Scrie textul paginii următoare în calea de fișier dată (byte UTF-16 LE).
`GetNextPageText(outputStream: Stream)`	Scrie textul paginii următoare în fluxul dat (byte UTF-16 LE).
`ExtractImage()`	Chema ExtractImage pe această instanță PdfExtractor.
`ExtractImage(outputDirectory: string)`	Extrageți fiecare imagine din directorul dat, numind fișierele image_N.jpg pentru sursele JPEG și image _N .png altfel.
`HasNextImage()`	E adevărat în timp ce GetNextImage(string) are o imagine rămasă de scris.
`GetNextImage(outputStream: Stream)`	Chema GetNextImage pe această instanță PdfExtractor.
`GetNextImage(outputFile: string)`
`GetNextImage(outputStream: Stream, format: System.Drawing.Imaging.ImageFormat)`
`GetNextImage(outputFile: string, format: System.Drawing.Imaging.ImageFormat)`
`ExtractAttachment()`	Selectați fiecare fișier încorporat din documentul legat; un GetAttachment ((string) ulterior le scrie pe toate.
`ExtractAttachment(attachmentFileName: string)`	Selectați un singur fișier încorporat prin nume pentru extracție.
`GetAttachNames()`	Numele fiecărui fișier încorporat din documentul legat.
`GetAttachmentInfo()`	FileSpecification pentru fiecare fișier încorporat din documentul legat.
`GetAttachment()`	Întoarce conținutul atașamentelor selectate ca MemoryStreams (toți ataşamentele când niciunul nu a fost selecționat în mod explicit).
`GetAttachment(outputPath: string)`	Scrieți atașamentele selectate (toate atunci când niciuna nu a fost selecționată în mod explicit) în directoriul outputPath, un fișier pentru fiecare ataşament numit după numele său de fişier.
`Close()`	Se cheamă închis pe această PdfExtractor instanță.
`Dispose()`	Apeluri Dispose pe această instanță PdfExtractor.

Vezi și:

Aspose.PDF for .NET — Enterprise API Reference